移动自组织网络具有分布式和自组织的特点,即网络中所有节点地位对等,不存在中心控制节点,节点可以随时加入和离开网络。因此,区别于传统的因特网,自组织网络需要特定的路由协议支撑其组网功能。ZRP协议因为结合表驱动路由协议和按需路由协议并采取分层策略,提高了对复杂场景的适应能力。但是ZRP因为采取固定半径的策略,导致网络对于拓扑动态变化的反应能力较差及信道资源浪费严重。许多学者由此提出针对ZRP的改进方案。这些方案大多以某一性能指标作为参量,利用当前参量值和历史参量值做比值运算,然后根据比值和门限的关系调整半径。这样做又带来了新的问题:(1)忽视了参量本身对网络的影响。(2)门限值由人工设定限制了协议的应用场景。因此,如何根据网络的各种参数,设计有效的算法,提高协议对网络场景的适应能力就成为ZRP协议改进算法的关键问题。针对ZRP协议及改进方案对于拓扑变化反应能力较差的问题,本文提出一种基于节点相对移动速度的ZRP改进算法RVBAZRP。该算法将区域半径调节任务转化为机器学习中的分类任务,即增大半径、保持不变和减小半径三类,利用多分类逻辑回归模型进行预测,根据分类结果调节半径。该算法主要具备以下特点:首先,利用节点相对移动速度调整路由表项生存时间,以提高节点对链路状态感知的灵敏度;其次,根据开销变化时间序列平稳性,调整不同时间区间路由开销的权重,为半径调节器提供更准确的特征向量;最后,根据多分类逻辑回归模型设计半径自适应调节器,对半径调节进行预测,提高网络分组投递率。本文在OPNET平台上对RVBAZRP进行了仿真,和其对比对象包括传统ZRP协议和ZRP-DV协议。仿真结果表明,本文提出的基于相对速度的ZRP改进算法能够根据节点相对移动速度提高节点反应速度,并通过多分类逻辑回归模型提高分组投递率。相较于传统ZRP协议和ZRP-DV协议,RVBAZRP协议在拓扑变化较快时能充分利用带宽资源,提高分组投递率,同时保证端到端时延和路由开销只增加极少。